如何基于DataFrame列的特定字符串内容删除行？

这事儿我之前处理过！你之前的代码用了精确匹配（判断整个字符串完全等于(silver)或(gold)），但你的数据里这些内容只是字符串的一部分，比如my (gold)，所以精确匹配肯定没用。得换用子串匹配的方法，用Pandas的str.contains()就能搞定。

方法一：简洁的正则匹配（推荐） #

直接用str.contains()同时匹配两个子串，通过~取反来保留不包含目标子串的行：

# 转义括号（因为括号是正则特殊字符）
df = df[~df['var'].str.contains('\(gold\)|\(silver\)')]

如果不想写正则转义，可以加上regex=False参数，这样括号就会被当作普通字符处理：

df = df[~df['var'].str.contains('(gold)|(silver)', regex=False)]

方法二：分步过滤 #

如果你觉得正则看着麻烦，也可以分两次过滤，用&连接两个条件：

# 先排除含(gold)的行，再排除含(silver)的行
df = df[~df['var'].str.contains('(gold)', regex=False) & ~df['var'].str.contains('(silver)', regex=False)]

处理缺失值的情况 #

如果你的var列存在NaN值，str.contains()会返回NaN，导致过滤出错。这时候可以加上na=False参数，把NaN的行按需求处理（下面的代码会保留NaN行，如果你想去掉NaN，就把na=False改成na=True）：

df = df[~df['var'].str.contains('(gold)|(silver)', regex=False, na=False)]

简单解释下核心逻辑：

• str.contains()会返回一个布尔Series，标记每行的var是否包含目标子串
• ~符号是取反操作，把包含子串的行过滤掉，留下不包含的行

内容的提问来源于stack exchange，提问作者AnalyticsPy